ComfyUI MoGe 介绍

MoGe（CVPR 2025，来自微软研究院）是一个强大的单目 3D 几何恢复模型，可以从开放领域的单张图像中恢复 3D 几何信息。它在一个前向推理中同时输出公尺度点云、公尺度深度图、法线图和相机 FOV。

核心能力：

• 精确的 3D 几何估计：单张图像同时输出点云、深度图和法线图——一个模型，一次推理
• 公尺度（MoGe-2）：点云和深度图使用真实世界尺度
• 灵活的分辨率支持：支持多种分辨率和宽高比（2:1 到 1:2）
• 快速推理：A100 / RTX 3090 上约 60ms/张（FP16，ViT-L）
• 从透视和全景图生成网格

MoGe 提供两个版本：

MoGe-2 新增了公尺度支持和高质量法线图估计，视觉细节更清晰，推理延迟更低。推荐使用 MoGe-2 with normal（moge_2_vitl_normal_fp16）。

模型安装

下载 MoGe 检查点并保存到相应的 ComfyUI 文件夹：

• MoGe-2（推荐）：moge_2_vitl_normal_fp16.safetensors
• MoGe-1（基线版本）：moge_1_vitl_fp16.safetensors

ComfyUI/
├── models/
│   ├── geometry_estimation/
│   │   ├── moge_2_vitl_normal_fp16.safetensors
│   │   └── moge_1_vitl_fp16.safetensors

工作流示例

1. 深度估计

功能： 输入一张图片，输出公尺度深度图、彩色深度预览和遮罩——即 MoGe 一次推理得到的公尺度深度结果。适合作为场景深度参考用于合成、深度特效，或作为生成网格的前置步骤。

MoGe 还会自动估计图片的相机 FOV，也可以手动输入真实 FOV 以获得更精确的结果。

1.1 运行步骤

1. 确保 LoadMoGeModel 节点已加载 MoGe 检查点
2. 在 Load Image 节点中加载一张图片
3. 点击 Queue 按钮，或使用快捷键 Ctrl(cmd) + Enter 运行
4. 工作流将输出彩色深度预览、原始深度图和遮罩

2. 透视照片转 3D 网格

功能： 将单张透视照片转换为带纹理的 GLB 网格，同时生成法线和深度预览。MoGe 从可见场景中估计点云、深度和法线，再转换为网格。这是单目几何估计——遮挡区域和物体背面会缺失或出现碎片。适合场景快速原型、参考几何体，或将深度/法线可视化展示为网格，不能替代多视角 3D 重建。

2.1 运行步骤

1. 确保 LoadMoGeModel 节点已加载 MoGe 检查点
2. 在 Load Image 节点中加载一张透视照片
3. （可选）查看 OpenGL 和 DirectX 法线预览
4. 点击 Queue 或使用 Ctrl(cmd) + Enter 运行

3. 全景图转 3D 网格

功能： 将 360° 等距柱状全景图转换为带纹理的 GLB 网格。该工作流使用 MoGePanoramaInference 将全景图分割为 12 个透视视角，分别独立进行单目几何估计后合并为单个网格。每个分段仍然是单视图估计，因此结果是粗略的场景重建——适合获得 360° 场景的空间概览，但遮挡区域和表面后的几何结构会缺失或碎片化。

3.1 运行步骤

1. 确保 LoadMoGeModel 节点已加载 MoGe 检查点
2. 在 Load Image 节点中加载一张等距柱状投影全景图
3. 点击 Queue 按钮，或使用快捷键 Ctrl(cmd) + Enter 运行

社区资源

• MoGe GitHub (microsoft/MoGe) — 研究论文和代码
• Comfy-Org/MoGe — 官方 ComfyUI 模型权重